向小而美說再見
向小而美說再見
2003.09.15 |

再見!「小而美」。在台灣的金融界中,將不再有你們的位置。當中信金控和萬通銀行的結婚進行曲悠然響起時,台灣金融界也為「小而美」的經營型態奏起了驪歌。
台灣金融業的整合,長期處在「只聞樓梯響,不見人下來」的階段,直到過去一年才有突破性的進展,中信金、富邦、台新、國泰等金控積極把對手納入旗下,台灣的金融業,一掃十年的停滯,出現較大變動。改變尤其著重在最關鍵的通路即銀行上面,十年來台灣的銀行,不是市占率高、病懨懨的公營銀行,就是銳意革新、卻沒有規模的民營銀行,以「小而美」的說法顧影自憐。

**台灣金融購併正起步

**
或許是信用卡一役,給了民營銀行勇氣。大約五年前,許多公營行庫在顧問公司推薦下,紛紛進入信用卡市場,但是一場廝殺下來,卻被民營銀行殺得片甲不留。於是當金控法通過,提供絕佳購併機會,躊躇滿志的民營金控,紛紛以購併來壯大自己。台灣的金融市場,開始見到公營老字號棄兵卸甲,以中信為首的金控,不再以「小而美」自滿,靠著購併後來居上,是未來台灣金融業的狠角色。搶不到新娘的金融業者逐漸失去了聲音。
在這群搶親失敗的銀行中,包括以模範生馳名的建華銀行和玉山銀行。他們能夠自外於潮流,繼續以「小而美」的姿態,占有一席之地嗎?隨著規模經濟在銀行的各種業務都越來越重要,答案恐怕是否定的。以信用卡為例,銀行要損益兩平,除非只做餘額代償,否則至少要有50萬張有效卡,要做到一年賺個十多億,沒有兩百萬張卡絕非易事。
對於目前仍然標榜「小而美」的銀行而言,雖然還是可以堅持「小而美」的原則,也不可能馬上發生危機,但是隨著獲利漸漸乏善可陳,在市場上的聲音也將越來越微弱。

**日、韓金融購併漸入佳境

**
其實,國際市場上不乏「小而美」的金融機構,例如雷曼兄弟(Lehman Brother)就是很好的典範,在債券市場一枝獨秀,其他領域也偶有佳作,是非常成功的利基市場玩家。然而這類的「小而美」,必須潛伏在極大的市場中。例如前述的雷曼兄弟,是以全球市場來經營利基,因此所謂「小而美」的雷曼兄弟,市值比台灣所有金控還大。然而台灣的金控,都只在台灣這個窄小的市場上競爭,難以侈言小而美,說穿了,台灣的大型金融機構,不過是國際市場的小而美。
因此,台灣金融業不得不逐漸揚棄小而美,轉而不斷試圖提高市場占有率。其實,這個發展方向是全球金融機構都蹣跚走過的,同類型金融機構合併,將提供成本綜效,不同類型的金融機構合併,則有跨售的收入綜效,組織金控,還將帶來資本綜效,再加上金融法案紛紛過關,台灣的金融業,將在整併後逐漸步上軌道。
日本和韓國已經先做了示範。日本的大型金控在整併後獲利漸入佳境,同時,也反映在股價表現上,大象級的瑞穗金控,最近股價上漲逾150%,其餘的金控漲幅也在百分之百以上。韓國的金融業經過一番整併,不但贏得外資肯定,最大的國民銀行漲幅也超過50%,其餘銀行漲幅更是可觀。近來購併案頻傳的台灣銀行業,正在面臨一場巨變,不只要美,也要大。如果整合能夠順利,將會漸漸出現可以躍上國際舞台的金融機構。

往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓